職涯指南
科技業面試說故事手冊
如何讓你的故事在 FAANG 等級的房間裡站得住腳
James Bugden | Career Coach | Uber 資深招募人員
30 分鐘閱讀
改編自 Austen McDonald《Mastering Behavioral Interviews: The Guide to Storytelling in Tech》。
登入以儲存進度並取得所有指南
擔任招募人員的 15 年多裡,我篩選過數千位科技業候選人。在科技業 Behavioral 關卡掛掉的人,很少是經歷不夠的。他們做的事情對,scope 夠大,結果也漂亮,最後卻把故事講得讓 signal 被埋掉。
- 明明是「我」,卻講成「我們」。
- 一開頭就鋪公司背景,該講風險的地方反而沒講。
- 面試官被他們帶著走一條長長的平坦走廊,結果故事的高潮卡在裡面出不來。
素材其實都在。面試官在 45 分鐘內就是挖不到。
這份指南就是來修這個問題的。
怎麼讀這份指南
- 10 分鐘。讀前言、第 3 章 8 個 Signal Areas、最後的快速參考。
- 30 分鐘。加上 Story Catalog 跟 Delivery Craft。
- 完整版(75 分鐘)。每一章都讀,把練習做完。你最後拿到的 Story Catalog 就是成品。
為什麼科技業 Behavioral 是另一種遊戲
FAANG 跟 Big Tech 的 Behavioral 面試跑的是不同的作業系統。三件事改變了計算公式:
- 規模
- 節奏
- 衡量
- 職級判定
面試官在打的東西叫 signal。Signal 就是證據。如果他們找不到某個能力的證據,就算你講了 30 分鐘,分數還是會掉。
到了資深層級,STAR 不夠用。STAR 給你骨架,但沒給你 delivery 的系統。後面的章節講的就是那套系統。
招募人員視角
Decode、Select、Deliver:每題都會跑的迴圈
大部分候選人只練第三步 Deliver。強的候選人每題都跑完三步。
Decode、Select、Deliver
1. Decode
找出題目背後的 signal area。「最喜歡的專案」很少在問你的偏好。「衝突題」很少在聽八點檔。
2. Select
從 Catalog 挑出該 signal area 最強的故事,套 Scope > Relevance > Uniqueness > Recency。
3. Deliver
Stakes 開頭,Actions 排序,Results 給數字,Learnings 收尾。深度看是 trunk、branch、還是 leaf。
候選人答兩題我就能判斷他是不是在跑這個迴圈。會跑迴圈的人聽起來很穩、不離題。不跑迴圈的人講到時間用完才發現偏題了。
8 個 Signal Areas
每一道 Behavioral 題目都是在探這 8 個 signal area 中的一個或幾個。背熟,任何題目你都解得開。
8 個 Signal Areas
科技業面試官在打的分。範例 plot 僅供視覺參考。
Scope(規模)
團隊大小、blast radius、營收、用戶數。
Ownership(主導性)
你 drive 結果,還是被 team 帶著走。
Ambiguity(模糊)
你能在不確定下推進,還是等別人 clear。
Perseverance(韌性)
硬季度你撐過去了沒。
Conflict Resolution(衝突)
你解掉了,還是讓它拖。
Growth(成長)
你從硬 lesson 改變過做法。
Communication(溝通)
30 秒內面試官理解你的技術決定。
Leadership(領導)
你帶大別人,不只是帶大自己。
8 個 Signal Areas 自我評分
對每個 signal area 從 1 到 5 評分。最低的兩個是你的 story bank 缺口,優先補。
1 = 沒有故事 ... 5 = 強故事+數字+Learnings
你的 story bank 缺口
下面這兩個 signal areas 分數最低。在開始 loop 之前優先補。
- Scope (規模) — 3/5
- Ownership (當責) — 3/5
三種題型,三種答法
大部分候選人會把每道題都套 CARL。CARL 適合三種題型中的一種,剩下兩種會出包。
1. Tell-me-about-a-time
最常見。挑一個故事,用 CARL 講。
2. Values 題(「你對 X 的看法是什麼」)
先講框架,再用短 CARL 收尾。框架代表系統化思考,是 Senior 面試官打的分。
常見的框架切法:
- 溝通:按頻率或正式程度分層
- 優先順序:impact 對 effort
- 衝突:看 stakes 大小分級
- 學習:observe、do、teach 三階段
3. 假設題(「如果遇到 X 你會怎麼處理」)
- 問一兩個釐清問題。
- 講框架。
- 走兩三個情境。
- 用真實例子收尾。
- 不要無止盡 hedge。
招募官觀點
建立你的 Story Catalog
從「我有故事」變成「我有一個練過的 catalog」。建立時抓這個比例:
- 3-4 個 core story
- 5-7 個 supporting story
每個都對應到一個 signal area。
故事去哪裡挖?翻你留下的工作紀錄:
- Perf review
- 舊的 PRD
- 行事曆紀錄
- 跟同事的 Slack DM
- Retro
招募人員視角
你的 Story Catalog
輸入 3 到 10 個職涯故事。每個故事標記 signal area、scope 與 outcome。複製成可以列印的清單帶去面試。
至少填一個故事再複製
Story Selection 優先順序
書裡給了一個嚴格的優先順序,而大多數求職者把它完全弄反了。
- 1.Scope 第一。 即使題目字面上適合小故事,也要挑 scope 最大的。
- 2.Relevance 第二。 對應到題目問的 signal area。
- 3.Uniqueness 第三。 不要重複講同一個故事。
- 4.Recency 第四。 近期故事權重比較高,但兩年前的硬仗贏過上個月的例行工作。
招募人員視角
從 STAR 升級到 CARL:Learnings 為什麼能拿到資深分
STAR 是 Situation、Task、Action、Result。CARL 是 Context、Actions、Results、Learnings。差別在最後的 L。那個 L 就是資深層級的差異點。
STAR vs CARL+Learnings
STAR
- S Situation
- T Task
- A Action
- R Result
基本骨架。Senior 分數拿不到。
CARL + Learnings
- C Context(stakes 開頭)
- A Actions(60% 篇幅)
- R Results(要數字)
- L Learnings(Senior 加分關鍵)
同樣骨架,多了「你會怎麼做不同」。
在 Uber,Senior 候選人跳過 Learnings 的,就算 actions 做的是 senior 的事,聽起來還是 junior。最後加兩句「我會怎麼做不同」是 leverage 最高的編輯之一。
把 STAR 答案升級成 CARL+Learnings
填四個欄位。下方產出一個結構化的 CARL 草稿,你可以複製貼到面試筆記。
把四個欄位都填完再產出草稿
拉高 Stakes:Man in a Hole 開場
Kurt Vonnegut 的「Man in a Hole」故事弧套到 Behavioral:setup、掉進坑、爬出來。「我們有個專案,有點挑戰,我們 ship 了」永遠輸。Stakes 開頭:customer trust、營收、deadline、技術 fragility。
Man in a Hole:Behavioral 故事弧
Vonnegut 的故事形狀。Stakes 開頭。Hole 就是「為什麼這件事重要」。
之前
「我們有一個 checkout flow 需要改。我在那個 team。後來改寫然後 ship 了。」
之後
「Checkout 在 payment step 漏掉 8% 的 cart starts。以我們的量這是一年八位數的數字。Team 試了兩次都沒動指標。我接下第三次嘗試,當 SWE on point。」
Delivery Craft
五個 delivery 技巧。差別就在「拿到 offer」跟「good but not quite」之間。全部都是機械式、可學的。幾乎沒人練。
商人 vs 礦工
商人
最強的 actions 擺在櫥窗
礦工
把金子埋在山裡
最強的兩個 actions 先講。不要逼面試官挖。
The Project Mural(專案壁畫)
口頭溝通是低頻寬。面試官透過一根吸管在看你的專案。開頭給 Table of Contents、過程中 signpost。「我會講三件事:constraint、兩個 option、rollout 計畫。」
The Menu Technique(菜單法)
有兩三個 viable 故事時,給菜單。每個 option 都標出 signal。「我有一個是跨 PM、design、infra 對齊,一個是在硬法規 deadline 下 ship。你想聽哪個?」
Trunk、Branch、Leaf
Trunk
完整 CARL 故事,兩到四分鐘。「跟我講一個你帶 migration 的經驗」。
Branch
直接回答加短結構化故事,60-90 秒。「rollback risk 怎麼處理?」
Leaf
一句話。「有用 feature flag 嗎?」「有,5% canary。」
深度對應題目。Leaf 題還用 CARL 就是 over-talking。
The Halo Effect(光環效應)
用清單表達 breadth。當單一故事不夠強,或想快速傳達 scope 時很有用。TMAY、Actions 段、故事重複時都能用。
調整細節深度:術語、一口氣說清楚、節奏
調整說明深度,是行為面試中最難掌握的技巧之一。太淺,會讓人覺得你缺乏技術深度;太深,又容易讓聽眾跟不上。
- 每次回答,只深入一個重點。 選一個最能展現技術能力的地方深入說明,其餘部分維持在概覽層次。
- 把複雜的事說簡單。 用 Google Docs 作比喻,比逐步解釋 CRDT 的 vector clock 更容易讓人理解。
- 用一口氣解釋術語。 用一個三秒左右的短子句定義術語,然後回到重點。例如:「AWS IoT Greengrass,也就是在本機執行的 Lambda 版本,……」
- 略過大家已經知道的事。 AWS、Docker、REST 不必再解釋;technical debt、P0 outage、build vs buy 也一樣。但公司內部系統需要說明。
- 30 秒原則。 如果講了 30 秒還沒進到下一個行動,就表示你在同一個重點上說得太細。
提前補上故事的缺口,別等面試官追問
行為面試官會用自己的假設補上故事中的缺口,而這些假設往往對你不利。越資深的候選人,面對的檢視越嚴格,所以這件事也越重要。
精簡不必要的細節
「主管派我做這個 ticket」,可以改成「那場 sprint 會議結束時,我接下了這個高影響力的任務」。這是精簡敘述,不是說謊。
主動說明判斷邏輯
在面試官自行推測出問題之前,先說明你的理由。例如:「我們選擇重寫,而不是 refactor,因為前兩次嘗試都在整合邊界失敗了。」
承認錯誤
承認自己的錯誤,再說明你之後做了什麼改變。Learnings 是最適合交代這件事的段落。
棘手職涯狀況
這些狀況在行為面試中一再出現:
- Layoff
- 空窗
- 被開
- 心理健康休息
- Job hopping
- Startup 失敗
每一個都有乾淨的 rule。誠實,不要說謊。調框架、跳過自爆細節,但不要說謊。
Sticky Situation 應對腳本
選一個棘手的情況。下方是書中建議的處理腳本。
什麼時候提
在 TMAY 主動提。
腳本
「離開 X 之後,我花了幾個月 reset 和補強 Y 的技能。那段時間 Z 類型的 role 市場剛好變緊,我用這段時間 ship 了 [side project / 證照 / open-source]。現在已經回到全速,focus 在能應用這些經驗的 role。」一定要把空窗跟「我做了什麼」綁在一起。歸因到市場,不要歸因到自己。
Builder Translation:把故事改寫成 Big Tech 聽得懂的語言
同樣的故事,FAANG、傳統企業、startup 用不同語言講。Builder 原型:
- 從車庫出身
- 孤獨的駭客
- 快速行動、快速失敗
- 擁抱衝突
- 改變世界
企業語言(輸)
「主管派我做這個 feature,我們依照 SDLC 流程在 governance framework 下交付。」
Builder 語言(贏)
「我接下這個 feature,因為它 unblock 我們最大的 customer。兩週 ship 一個 flag 後面的 working version,從真實使用學,然後迭代。」
來自傳統產業或小公司的候選人通常有經驗。他們輸掉 offer 是因為語言 signal 出「我不是你們的人」。這一章修的就是語言層。
三大必考題
每個 loop 都會被問的三題。如果你不能在不思考的狀態下都答得乾淨,你還沒準備好。
TMAY(Tell Me About Yourself)
你最有 impact 的專案
你解決過的衝突
分階段練習
多數候選人不是沒有練習,就是練習方式不對。循序漸進的練習,可以縮小準備時與實際面試時的認知負荷差距。
- 1. 自己練。 錄下自己講三到五個核心故事的過程。檢查時間配比(10/60/30)、I 和 we 的使用比例、口頭贅詞、精神狀態,以及故事的組織方式。
- 2. 用 AI 練。 依照目標公司的價值觀產生問題,並練習回答追問。AI 無法重現面試官的表情反應或面試壓力,所以不要停在這一步。
- 3. 找同儕模擬面試。 同時練習面對壓力、追問,並獲得鼓勵。先給對方一份評分準則;取得同意後,再錄下練習過程。
- 4. 找專業人士模擬面試。 安排兩次練習,中間留一段時間。第一次練三大必考題和故事結構;第二次練公司價值觀,以及臨場選擇合適故事的能力。
這份指南改編自 Austen McDonald《Mastering Behavioral Interviews: The Guide to Storytelling in Tech》,並融入 James Bugden 15 年以上在 Uber 與 Netskope 的招募經驗。
這篇指南對你有幫助嗎?
接著使用相關工具
分享
覺得這份指南有幫助嗎?
分享給可能正在找工作的朋友,好內容值得被看見。
免費繼續閱讀
建立免費帳號,繼續閱讀完整指南,進度也會幫你存起來。
已經有帳號?